論文の概要: Tracking the State and Behavior of People in Response to COVID-1 19
Through the Fusion of Multiple Longitudinal Data Streams
- arxiv url: http://arxiv.org/abs/2209.11805v2
- Date: Sat, 1 Oct 2022 15:42:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:21:33.202177
- Title: Tracking the State and Behavior of People in Response to COVID-1 19
Through the Fusion of Multiple Longitudinal Data Streams
- Title（参考訳）: 複数の縦型データストリームの融合によるcovid-19対応者の状態と行動の追跡
- Authors: Mohamed Amine Bouzaghrane, Hassan Obeid, Drake Hayes, Minnie Chen,
Meiqing Li, Madeleine Parker, Daniel A. Rodr\'iguez, Daniel G. Chatman, Karen
Trapenberg Frick, Raja Sengupta, Joan Walker
- Abstract要約: 本稿では,2020年8月から2021年7月までに収集された米国住民のアクティブデータとパッシブデータの豊富なパネルデータセットについて述べる。
このようなデータセットは、例えば、地方自治体が課した新型コロナウイルスの規制に対する不均一な行動反応の根底にある要因を決定するために、重要な研究質問に答えることを可能にする。
- 参考スコア（独自算出の注目度）: 2.477349483168562
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The changing nature of the COVID-19 pandemic has highlighted the importance
of comprehensively considering its impacts and considering changes over time.
Most COVID-19 related research addresses narrowly focused research questions
and is therefore limited in addressing the complexities created by the
interrelated impacts of the pandemic. Such research generally makes use of only
one of either 1) actively collected data such as surveys, or 2) passively
collected data. While a few studies make use of both actively and passively
collected data, only one other study collects it longitudinally. Here we
describe a rich panel dataset of active and passive data from U.S. residents
collected between August 2020 and July 2021. Active data includes a repeated
survey measuring travel behavior, compliance with COVID-19 mandates, physical
health, economic well-being, vaccination status, and other factors. Passively
collected data consists of all locations visited by study participants, taken
from smartphone GPS data. We also closely tracked COVID-19 policies across
counties of residence throughout the study period. Such a dataset allows
important research questions to be answered; for example, to determine the
factors underlying the heterogeneous behavioral responses to COVID-19
restrictions imposed by local governments. Better information about such
responses is critical to our ability to understand the societal and economic
impacts of this and future pandemics. The development of this data
infrastructure can also help researchers explore new frontiers in behavioral
science. The article explains how this approach fills gaps in COVID-19 related
data collection; describes the study design and data collection procedures;
presents key demographic characteristics of study participants; and shows how
fusing different data streams helps uncover behavioral insights.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックの性質の変化は、その影響を包括的に考慮し、時間とともに変化を検討することの重要性を強調している。
新型コロナウイルス関連のほとんどの研究は、焦点を絞った研究課題に対処しており、パンデミックの相互関係の影響によって生じる複雑さに対処することに限られている。
このような研究は一般にどちらか一方しか利用しない
1)調査等の積極的に収集したデータ、又は
2)受動的収集データ。
活発に収集されたデータと受動的に収集されたデータの両方を利用する研究はいくつかあるが、それを縦断的に収集する他の研究は1つだけである。
ここでは,2020年8月から2021年7月までに収集された米国住民のアクティブおよびパッシブデータのリッチパネルデータセットについて述べる。
アクティブなデータには、旅行行動、新型コロナウイルス対策の遵守、身体的健康、経済的幸福、ワクチン接種状況、その他の要因の反復的な調査が含まれる。
受動的に収集されたデータは、スマートフォンのGPSデータから得られた研究参加者が訪れたすべての場所で構成されている。
また、調査期間を通じて、各郡の新型コロナウイルス政策を綿密に追跡した。
このようなデータセットは重要な研究課題に答えることができる。例えば、自治体が課している新型コロナウイルスの規制に対する不均一な行動反応の基盤となる要因を決定する。
こうした対応に関するより良い情報は、この状況と将来のパンデミックの社会的・経済的影響を理解する能力に不可欠です。
このデータ基盤の開発は、研究者が行動科学の新しいフロンティアを探るのに役立つ。
この記事では、このアプローチがcovid-19関連データ収集のギャップを埋める方法を説明し、研究設計とデータ収集手順を説明し、研究参加者の重要な人口統計学的特徴を提示する。
関連論文リスト
- Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - COVID-19: An exploration of consecutive systemic barriers to
pathogen-related data sharing during a pandemic [3.192308005611312]
2020年の新型コロナウイルス(COVID-19)パンデミックは、世界中の政府や研究者の迅速な対応につながった。
2023年末時点で、新型コロナウイルス(COVID-19)による死者は数百万人を超えている。
パンデミックに関連するデータを扱うデータ専門家は、多くの場合、このデータにアクセス、共有、再利用するための重要なシステム上の障壁に直面します。
論文 参考訳（メタデータ） (2022-05-24T14:25:09Z) - Data-Driven Decision Making in COVID-19 Response: A Survey [9.610132964009178]
データは、効果的な意思決定において、明らかに重要な役割を担います。
データ駆動意思決定は、意思決定プロセスのガイドにデータ関連のエビデンスと洞察を使用する。
この調査論文は、データによって駆動される現在の政策について光を当てている。
論文 参考訳（メタデータ） (2022-02-23T11:28:26Z) - Global Tweet Mentions of COVID-19 [3.3043776328952226]
われわれは、2020年1月から現在まで毎週更新されている190万件のキーワード選択されたTwitter投稿のオープンソースデータセットを提示する。
ダッシュボードには、キーワードやハッシュタグを含むジオタグ付きツイートの100%が表示される。
新型コロナウイルスの新たな変種が出現する一方で、ワクチンの根絶と耐性が進行中であるため、このデータセットは研究者によって新型コロナウイルスのさまざまな側面を研究するために使われる可能性がある。
論文 参考訳（メタデータ） (2021-08-13T20:21:29Z) - Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study
of COVID-19 Infodemic [6.137022734902771]
社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。
このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
論文 参考訳（メタデータ） (2021-06-22T12:17:53Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - CO-Search: COVID-19 Information Retrieval with Semantic Search, Question
Answering, and Abstractive Summarization [53.67205506042232]
CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。
ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。
TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
論文 参考訳（メタデータ） (2020-06-17T01:32:48Z) - A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack
Overflow [69.5231754305538]
主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。
事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
論文 参考訳（メタデータ） (2020-04-18T08:19:46Z) - A County-level Dataset for Informing the United States' Response to
COVID-19 [5.682299443164938]
我々は、アメリカ合衆国郡のレベルに関する政府、ジャーナリスト、学術情報源から関連するデータを収集するデータセットを提示する。
私たちのデータセットには300以上の変数が含まれており、人口推計、人口統計、民族、住宅、教育、雇用と所得、気候、交通、スコア、医療システム関連メトリクスを要約しています。
論文 参考訳（メタデータ） (2020-04-01T05:07:27Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。